GPU提速叠前时间体偏移技术

为了进一步提高叠前时间体偏移的计算效率,实现了在GPU＼CPU协同并行计算模式下Kirchhoff叠前时间体偏移技术,并进行优化。经在Nvida Tesla C1060GPU上的测试表明,GPU（Graphic Processing Unit）的处理速度是CPU（单核）的四十倍左右。同时表明,CUDA（Cornpute Unified Device Architectarc）编程为CPU向GPU的转化提供了一个较为方便的语言环境。     

基于Mark5B＋GPU脉冲星观测系统

云南天文台40m射电望远镜进行的脉冲星观测数据量巨大,必须实现数据的实时处理,否则将会产生海量的数据积压.为实现这一目标,采用图形处理器架构,对Mark5B数据进行解码、消色散、折叠等处理.实验结果表明,对以1s8MB的实时采样,可以在0.51s内处理完成,从而实现了实时处理的要求.首先介绍这一观测系统各部分的图形处理器实现,然后相对于传统中央处理器构架,对各部分的运算速度进行了详细的对比.针对时间开销最大的消色散部分,分析了单次傅里叶变换的数据量大小对执行效率的影响.从系统最终的输出轮廓和柱状图上可以看到实时处理的结果符合要求.最后对存在的问题和未来的工作进行了讨论.     

GPU通用计算模式在岩土工程中的应用

由于岩土工程地质条件的复杂性及其规模的不断增大,对大规模数值计算速度的要求越来越高。显卡核心单元（GPU）由于其硬件构造特殊,有着并行计算上的独特优势、高速浮点运算性能和超高的内存带宽,可以很好地解决大规模的科学计算速度问题。文中介绍了GPU与CPU的硬件构架差异,总结了多核CPU、工作站等方式发展的局限性及GPU在并行运算方面的优势,详细阐述了GPU各类计算模式的发展特点及其成果,展示了其在坝区渗透特性中随机微分方程加速求解过程中的优越性,探讨了采用GPU进行大规模岩土工程数值计算的应用前景。     

基于CUDA的三维重建过程实时可视化方法(英文)

在某些用于在线控制的CT系统中,经常有必要在扫描过程中检查中间结果从而排除故障。然而实时的重建与体绘制对系统计算能力的要求非常高,难以实现。本文针对锥束CT提出了一整套实时重建可视化方法,并在最新的图形处理器Tesla C 1060上实现。与传统的工作方式不同,这种方法在扫描得到每一张投影后,实时显示重建过程的中间结果。通过这种方法,可以很清楚地观察到投影数据逐步合成三维重建结果的过程,也可以预先看到探测器的缺陷对重建结果造成的破坏。同时,这种方法也是实现4D CT可视化的一种有效途径。     

基于CUDA的并行空间计算

基于GPGPU的并行计算是目前新兴的热门研究领域。针对空间信息处理中常涉及的算法,本文讨论了基于CUDA技术的算法并行化问题,并提出基于栅格的点集凸壳并行算法及并行耳三角剖分算法。经对实际数据的实验表明,基于CUDA的几何并行计算可以显著地提高程序的执行效率,具有实际意义。     

一种基于CUDA的大数据量地理加权回归并行加速算法

针对传统地理加权回归（GWR）在大数据量计算中存在的计算效率低、内存占用大、数据规模受限等问题，本文提出了快速并行地理加权回归（FPGWR）算法，基于英伟达CUDA架构实现了GWR的并行加速，将串行过程分解为并行的独立回归计算模块，同时优化了内存使用模型，提高了算法的运行速度。对比FPGWR和传统GWR在不同数量级模拟数据上和真实数据上的运行速度，结果显示，FPGWR能够支持更大规模的样本量计算并有效提升运行效率，数据量越大加速效果越显著。     

利用CUDA的地图代数局部算子优化

本文针对地图代数局部算子的传统实现方法应用于海量栅格数据计算时效率低下的问题,从串行算法的并行化映射、计算机图形处理器资源的自适应参数调整等多角度来研究地图代数空间并行算法的实现机制,总结出地图代数局部算子在GPU并行处理架构上的通用求解步骤。实验结果表明,该方法在大数据量处理时较CPU加速效果明显。     

CUDA和OpenCV图像并行处理方法研究

CUDA架构与传统GPU通用计算相比,编程更简单、应用领域更广泛,将CUDA架构引入到图像处理中可以提高图像的处理效率。本文提出了一种基于CUDA和OpenCV的图像并行处理方法,实现了图像二值化以及融合,经实验结果表明基于该方法可以提高图像处理效率;将该方法集成到MFC框架,能够应用到实际工程开发领域。     

基于CUDA技术的矿产储量计算

插值计算是矿产储量计算中的重要环节,但由于计算量大,经常需要在插值密度和计算时间之间进行权衡。本项研究通过最新的CUDA技术,将插值运算转换到显卡上进行并行化计算,极大地提高了计算速度。以紫金山铜矿数据为研究对象,进行了方法技术的实验,与基于CPU的计算相比,基于GPU下CUDA的计算速度提高了67倍。     

基于CUDA的IDW并行算法及其实验分析

近些年来,空间数据获取技术得到了迅猛的提高,例如LIDAR,通常可以产生成千上万个点,这对计算机的处理能力提出了挑战.最近,图形处理器(GPU)的计算能力得到了巨大的提升,致使GPU的通用计算引起了关注.GPU是流处理器的集合,最近的设备的流处理器超过240个,浮点峰值比CPU快10多倍.在GPU上编程和编译的环境称计...